ஜனவரி விளைவு (January Effect) இன்றும் பலனளிக்குமா?

ஜனவரி விளைவு (January effect) என்பது ஆண்டின் முதல் வாரங்களில் பங்குச் சந்தை வருவாய் வழக்கத்திற்கு மாறாக அதிகமாக இருக்கும் என்றும், இதில் சிறிய மற்றும் அதிக சரிவைச் சந்தித்த நிறுவனங்களின் பங்குகள் முன்னணியில் இருக்கும் என்றும் கூறப்படும் ஒரு கருத்தாகும். இது 1904-ஆம் ஆண்டு வரையிலான தரவுகளைக் கொண்டு 1976-இல் ஆவணப்படுத்தப்பட்டது. அப்போது கண்டறியப்பட்ட இந்த இடைவெளி, பங்குச் சந்தையில் மிகவும் பிரபலமான பருவகால அமைப்பாக (seasonal pattern) மாறியது. அதன் பிறகு நடந்ததுதான் பெரும்பாலான பருவகால ஆய்வுப் பக்கங்கள் தவிர்த்துவிடும் பகுதி: இந்த ஆய்வு வெளியிடப்பட்டது, வர்த்தகம் செய்பவர்கள் இதைப் படித்தனர், அதன் பிறகு எடுக்கப்பட்ட ஒவ்வொரு அளவீடும் முந்தையதை விடக் குறைவாகவே இருந்தது.

ஜனவரி விளைவு என்றால் என்ன?

இந்தக் கதையின் பின்னணியில் இரண்டு காலண்டர் இயக்கவியல் (calendar mechanics) உள்ளன. இவை ஜனவரியைப் பற்றியவை அல்ல, டிசம்பர் 31-ஆம் தேதியைப் பற்றியவை.

முதலாவது, வரி இழப்பு விற்பனை (tax-loss selling). அமெரிக்க வரி விதிகளின்படி, ஒரு முதலீட்டாளர் அதே வரி ஆண்டில் ஈட்டிய லாபத்திலிருந்து, ஏற்பட்ட நஷ்டத்தைக் கழித்துக்கொள்ள அனுமதிக்கப்படுகிறார். அந்த ஆண்டிற்கான கணக்குகள் டிசம்பரின் கடைசி வர்த்தக அமர்வுடன் முடிவடைகின்றன. இதற்கான வரிசைமுறை இதுதான்: டிசம்பரின் இறுதி வாரங்களில், முதலீட்டாளர்கள் ஏற்கனவே நஷ்டத்தில் உள்ள பங்குகளை விற்க முனைகிறார்கள்; இவை பெரும்பாலும் சிறிய மற்றும் கவனிக்கப்படாத பங்குகளாகவே இருக்கின்றன. ஜனவரியின் முதல் அமர்வுகளில் இந்த விற்பனை நின்றுவிடுகிறது, அதே பங்குகளில் மீண்டும் வாங்குதல் தொடங்குகிறது.

இரண்டாவது, பணப்புழக்க காலண்டர். ஆண்டு இறுதி போனஸ் மற்றும் புதிய ஆண்டிற்கான ஓய்வூதிய முதலீடுகள் இந்த காலகட்டத்தில்தான் வருகின்றன.

இந்த இரண்டு இயக்கவியலும் சந்தையில் உள்ள மிகப்பெரிய நிறுவனங்களைச் சுட்டிக்காட்டவில்லை. இவை இரண்டும் சிறிய நிறுவனங்களையே சுட்டிக்காட்டுகின்றன, இதுவே இந்தப் பக்கம் மீண்டும் மீண்டும் வலியுறுத்தும் விஷயமாகும். இந்த கால இடைவெளி பங்கேற்புத் தரவுகளில் தெளிவாகத் தெரிகிறது. கீழே உள்ள அட்டவணை, S&P 500-ஐப் பின்தொடரும் அதிக வர்த்தகம் செய்யப்படும் நிதியான SPY-ஐ எடுத்துக்கொண்டு, 2011 முதல் டிசம்பர் 21 முதல் ஜனவரி 10 வரையிலான அதன் தினசரி பங்கு வர்த்தக அளவை (volume) சராசரி செய்கிறது.

SELECT
    concat(
        if(toMonth(date) = 12, 'Dec ', 'Jan '),
        if(toDayOfMonth(date) < 10, concat('0', toString(toDayOfMonth(date))), toString(toDayOfMonth(date)))
    )                                      AS label,
    round(avg(toFloat64(volume)) / 1e6, 1) AS avg_volume_millions,
    round(avg(toFloat64(volume)) / (
        SELECT avg(toFloat64(volume))
        FROM global_markets.stocks_daily_aggs
        WHERE ticker = 'SPY'
          AND date >= '2011-01-01'
          AND date <  '2026-08-01'
    ), 2)                                  AS relative_activity
FROM global_markets.stocks_daily_aggs
WHERE ticker = 'SPY'
  AND date >= '2011-01-01'
  AND date <  '2026-08-01'
  AND ((toMonth(date) = 12 AND toDayOfMonth(date) >= 21)
    OR (toMonth(date) = 1  AND toDayOfMonth(date) <= 10))
GROUP BY toMonth(date), toDayOfMonth(date)
ORDER BY if(toMonth(date) = 12, 0, 1), toDayOfMonth(date)

Dec 21 சராசரியாக 126.2 மில்லியன் பங்குகள், அல்லது அதே ஆண்டுகளில் சராசரி SPY அமர்வை விட 1.24 மடங்கு வர்த்தகமானது. Jan 10 சராசரியாக 90 மில்லியன், வழக்கத்தை விட 0.89 மடங்கு வர்த்தகமானது. அட்டவணையில் உள்ள 19 தேதிகள் விடுமுறை காலம் மற்றும் புதிய ஆண்டின் முதல் அமர்வுகளைக் குறிக்கின்றன.

வர்த்தக அளவு என்பது பங்கேற்பு, வருவாய் அல்ல. இந்தப் பக்கம் ஜனவரி வருவாய் குறித்த எந்தவொரு புள்ளிவிவரத்தையும் வெளியிடவில்லை, இது வேண்டுமென்றே செய்யப்படுகிறது: ஒரு பிரபலமான பருவகால அமைப்பை மீண்டும் கணக்கிடுவது, அந்த அமைப்பை பிரபலமாக்கிய அதே பிழையை மீண்டும் செய்வதற்கான விரைவான வழியாகும்.

சிறிய நிறுவனப் பங்குகளும் (small caps) சம எடையுள்ள குறியீடுகளும் (equal weighting) ஏன் தீர்மானிக்கின்றன?

ஒரு குறியீட்டு எண் என்பது சராசரி, அதன் எடையிடல் முறை (weighting scheme) யாருடைய வருவாய் கணக்கில் கொள்ளப்படும் என்பதைத் தீர்மானிக்கிறது. சந்தை மதிப்பு அடிப்படையில் எடையிடப்பட்ட குறியீடு (cap-weighted index) ஒவ்வொரு நிறுவனத்தையும் அதன் சந்தை மதிப்புக்கு ஏற்ப எடை போடுகிறது, எனவே மிகப்பெரிய நிறுவனங்களே அந்த எண்ணைத் தீர்மானிக்கின்றன, மிகச்சிறியவை கணக்கில் கொள்ளப்படுவதில்லை. அதே நிறுவனங்களைக் கொண்ட சம எடையுள்ள குறியீடு (equal-weighted index), 200 மில்லியன் டாலர் நிறுவனத்திற்கும் 2 டிரில்லியன் டாலர் நிறுவனத்திற்கும் ஒரே அளவிலான முக்கியத்துவத்தை அளிக்கிறது.

1976-இல் மைக்கேல் ரோசெஃப் மற்றும் வில்லியம் கின்னே ஆகியோரால் மேற்கொள்ளப்பட்ட ஆய்வு, ஜனவரி விளைவை உலகிற்கு அறிமுகப்படுத்தியது. இது 1904 முதல் 1974 வரை NYSE பங்குகளின் சம எடையுள்ள குறியீட்டை அளவிட்டது. அன்றிலிருந்து மீண்டும் மீண்டும் கூறப்படும் புள்ளிவிவரம் என்னவென்றால், ஜனவரி மாதத்தின் சராசரி வருவாய் மற்ற மாதங்களின் சராசரியை விட ஐந்து மடங்கு அதிகமாக இருந்தது என்பதுதான். அதே சந்தையில் சந்தை மதிப்பு அடிப்படையில் எடையிடப்பட்ட குறியீட்டில், சிறிய நிறுவனங்கள் மிகக்குறைந்த சதவீத எடையையே கொண்டுள்ளன. ஒரே மாதிரியான அடிப்படை விலைகளைக் கொண்டிருந்தாலும், இந்த இரண்டு கட்டுமானங்களும் வெவ்வேறு ஜனவரி முடிவுகளைத் தரக்கூடும். இந்த கட்டுமானமே பெரும்பாலான கூற்றுக்குக் காரணமாகிறது. ஒரு மாதத்தின் எண்ணை யாராவது விளக்குவதற்கு முன்பே அது எப்படி மாறுகிறது என்பதை அறிய, மாதாந்திர வருவாய் எவ்வாறு அளவிடப்படுகிறது என்பதைப் பார்க்கவும்.

ஒரு பருவகால லாபத்தைப் பெறுவதற்கு எவ்வளவு செலவாகும் என்பதையும் நிறுவனத்தின் அளவு தீர்மானிக்கிறது. டாலர் வால்யூம் (Dollar volume) - அதாவது அன்றைய பங்கு எண்ணிக்கை மற்றும் விலை - ஒரு பங்கின் வர்த்தக வாய்ப்பை அளவிடும் எளிய வழியாகும். கீழே உள்ள அட்டவணை, ஜூன் 2026-இல் குறைந்தது பதினைந்து அமர்வுகளில் வர்த்தகம் செய்யப்பட்ட ஒவ்வொரு குறியீட்டையும் அதன் சராசரி டாலர் வால்யூம் அடிப்படையில் வகைப்படுத்துகிறது.

WITH per_symbol AS
(
    SELECT
        ticker,
        avg(toFloat64(close) * toFloat64(volume)) AS adv_dollars
    FROM global_markets.stocks_daily_aggs
    WHERE date >= '2026-06-01'
      AND date <  '2026-07-01'
    GROUP BY ticker
    HAVING count() >= 15
)
SELECT
    multiIf(
        adv_dollars <    100000, '1. under $100k',
        adv_dollars <   1000000, '2. $100k to $1M',
        adv_dollars <  10000000, '3. $1M to $10M',
        adv_dollars < 100000000, '4. $10M to $100M',
                                 '5. over $100M')  AS liquidity_bucket,
    count()                                        AS securities_count,
    round(100 * count() / (
        SELECT count()
        FROM
        (
            SELECT ticker
            FROM global_markets.stocks_daily_aggs
            WHERE date >= '2026-06-01'
              AND date <  '2026-07-01'
            GROUP BY ticker
            HAVING count() >= 15
        )
    ), 1)                                          AS share_of_tape_pct
FROM per_symbol
GROUP BY liquidity_bucket
ORDER BY liquidity_bucket

1808 பங்குகள் ஒரு நாளைக்கு சராசரியாக 100,000 டாலருக்கும் குறைவான டாலர் வால்யூமைக் கொண்டிருந்தன, இது மாதிரியில் 15.1 சதவீதம் ஆகும். மறுமுனையில், 1429 பங்குகள் சராசரியாக 100 மில்லியன் டாலருக்கும் அதிகமாக வர்த்தகம் செய்யப்பட்டன. வெளியிடப்பட்ட பருவகால லாபம் என்பது இறுதி விலைகளின் அடிப்படையில் அளவிடப்படுகிறது. குறைந்த வர்த்தகம் கொண்ட பங்குகளில் லாபம் ஈட்ட முயன்றால், bid மற்றும் offer-க்கு இடையிலான spread-ஐ இரண்டு முறை கடக்க வேண்டியிருக்கும், அதனுடன் உங்கள் ஆர்டர் விலையை மாற்றும் தாக்கமும் சேரும். மாதாந்திர வருவாய் தொடர் (monthly return series) இதைக் காட்டுவதில்லை.

ஜனவரி விளைவு இன்னும் செயல்படுகிறதா?

நேர்மையான பதில்: 1976-க்கு பிறகு அளவிடப்பட்ட பதிப்பு, அதற்கு முன்பு அளவிடப்பட்டதில் ஒரு பகுதி மட்டுமே. ஆவணப்படுத்தப்பட்ட ஒரு முரண்பாடு (anomaly) பொதுவாக இந்த வடிவத்தையே பின்பற்றுகிறது. அதன் வாழ்க்கைச் சுழற்சி நான்கு நிலைகளைக் கொண்டது. ஒரு அமைப்பு வரலாற்றுத் தரவுகளில் கண்டறியப்படுகிறது. அது வெளியிடப்படுகிறது. வர்த்தகம் செய்யும் வாசகர்கள் முன்கூட்டியே செயல்பட்டு, அனைவரும் படித்த அந்த கால இடைவெளிக்கு முன்பே டிசம்பரில் வாங்கத் தொடங்குகிறார்கள். பிற்கால ஆய்வுகள் எதை அளவிடுகின்றன என்றால், எஞ்சியிருப்பதை மட்டுமே. 1980-களுக்குப் பிறகு மேற்கொள்ளப்பட்ட ஆய்வுகள், ஜனவரி மாத லாபம் வெளியீட்டிற்குப் பிந்தைய தசாப்தங்களில் குறைந்துள்ளதாகவும், பருவகால லாபத்தின் ஒரு பகுதி டிசம்பருக்கு நகர்ந்துள்ளதாகவும் கண்டறிந்துள்ளன.

வரி இயக்கவியலும் அதனுடன் சேர்ந்து குறைந்துவிட்டது. சிறிய நிறுவனப் பங்குகளின் பெரும் பகுதி இப்போது ஓய்வூதியக் கணக்குகள் மற்றும் ETF-களில் உள்ளன. வரி ஒத்திவைக்கப்பட்ட கணக்குகளில் (tax-deferred account) வரி இழப்பு நோக்கம் இருப்பதில்லை, மேலும் ஒரு ETF காலண்டர் வரி நிலையை விட விதிகளின் அடிப்படையிலேயே விற்பனை செய்கிறது.

இதில் எதுவுமே ஜனவரிக்கு மட்டும் உரியது அல்ல. மே மாதத்தில் விற்றுவிட்டு வெளியேறு (Sell in May and go away) என்பதும் இதே இயந்திரத்தில்தான் இயங்குகிறது: ஒரு குறிப்பிடத்தக்க வரலாற்றுப் பிரிவினை, அதன்பின் இணைக்கப்பட்ட கதை. குறைந்த ஏற்ற இறக்க முரண்பாடு (The low volatility anomaly) என்பது ஒரு சுவாரஸ்யமான மாறுபாடு; இது வெளியீட்டிற்குப் பிந்தைய நீண்ட காலப் பதிவைக் கொண்டுள்ளது, இது போன்ற பருவகாலக் கூற்றுகளுக்கு அரிதாகவே கிடைக்கிறது.

பன்னிரண்டு மாதங்கள் என்பது பல சோதனைகள்

பெரும்பாலான பருவகால விவாதங்களைத் தீர்க்கும் கணக்கு இதுதான். ஒரு புரோக்கரின் கல்விப் பக்கம், கடந்த இருபது ஆண்டுகளில் ஜூலை மாதம் சுமார் 80 சதவீத நேரங்களில் உயர்வில் முடிவடைந்ததாகக் கூறுகிறது. இருபது அவதானிப்புகள், அதில் பதினாறு முறை உயர்வு.

மாதங்களை நியாயமான நாணயச் சுழற்சிகளாக (coin flips) எடுத்துக்கொள்வோம். இருபது சுழற்சிகளில் பதினாறு அல்லது அதற்கு மேற்பட்ட தலைகள் விழுவது சுமார் 0.6 சதவீத வாய்ப்பு மட்டுமே, இது அரிதான ஒன்று. இப்போது அதே சோதனையை பன்னிரண்டு மாதங்களுக்கும் செய்து பாருங்கள்: குறைந்தது ஒரு மாதமாவது இந்த எல்லையைத் தாண்டுவதற்கான வாய்ப்பு சுமார் 7 சதவீதமாக உயர்கிறது. ஒரு பருவகாலப் பக்கம் பொதுவாக மாதத்திற்கு பல புள்ளிவிவரங்களை வெளியிடுகிறது - சராசரி வருவாய், இடைநிலை வருவாய், வெற்றி விகிதம், சிறந்த மற்றும் மோசமான ஆண்டு - இது சோதனைகளின் எண்ணிக்கையை டஜன் கணக்கில் உயர்த்துகிறது. அந்த நிலையில், ஜூலை மாதத்தைப் போன்ற ஒரு முடிவை நீங்கள் எங்காவது காண்பது இயல்பானது. பங்குச் சந்தை மாதங்கள் நியாயமான நாணயங்கள் அல்ல. அவை நீண்ட கால மாதிரிகளில் நேர்மறையாகவே இருக்கும், இது பருவகாலக் கதை சொல்லப்படுவதற்கு முன்பே ஒவ்வொரு மாதத்தின் வெற்றி விகிதத்தையும் உயர்த்துகிறது.

ஜனவரி விளைவும் இதே வழியில்தான் கண்டறியப்பட்டது; பன்னிரண்டு மாதங்களை ஆராய்ந்து, முடிவுகளைப் பார்த்த பிறகு வெற்றியாளரை அறிவிப்பது. ஒரு தேடல் பல சோதனைகளின் அதிகபட்ச முடிவை மட்டுமே காட்டுகிறது. இது முன்கூட்டியே தேர்ந்தெடுக்கப்பட்ட ஒரு சோதனையின் முக்கியத்துவத்திலிருந்து முற்றிலும் மாறுபட்டது. எல்லாவற்றிற்கும் அடிப்படையான மாதிரி சிறியது: தினசரி வர்த்தகத்தில் ஒவ்வொரு ஜனவரியும் சுமார் இருபது அமர்வுகளை மட்டுமே கொண்டுள்ளது.

SELECT
    toString(toYear(date)) AS year,
    count()                AS january_sessions
FROM global_markets.stocks_daily_aggs
WHERE ticker = 'SPY'
  AND toMonth(date) = 1
GROUP BY year
ORDER BY year

இங்குள்ள பதிவு 23 ஜனவரிகளைக் கொண்டுள்ளது, 2004 முதல் 2026 வரை, சமீபத்திய ஜனவரி 20 அமர்வுகளைக் கொண்டிருந்தது. 'ஜனவரி X-ஐச் செய்கிறது' என்ற எந்தவொரு கூற்றுக்கும் இருபதுக்கும் மேற்பட்ட அவதானிப்புகள் மட்டுமே நவீன மாதிரி. அந்த அளவிலான மாதிரி உண்மையான மதிப்புகளின் பரந்த வரம்பிற்கு இணங்கக்கூடியது, மேலும் பருவகாலக் கூற்றுகளுடன் இணைக்கப்பட்ட நம்பிக்கை அதைவிட மிக அதிகமாகவே இருக்கும்.

முன்னோக்கிப் பார்க்கும் சார்பு (Look-ahead bias) மற்றும் உயிர்வாழும் சார்பு (survivorship bias), இரண்டு உடன்பிறப்புகள்

பல சோதனைகளுக்கு அடுத்தபடியாக மேலும் இரண்டு தோல்வி முறைகள் உள்ளன, இவை இரண்டும் ஒரு பேக்டெஸ்ட்டில் (backtest) பருவகால அமைப்பை மிகைப்படுத்திக் காட்டுகின்றன.

பேக்டெஸ்டிங்கில் முன்னோக்கிப் பார்க்கும் சார்பு என்பது, அந்த நேரத்தில் சோதனையில் இருந்திருக்க முடியாத தகவலைப் பயன்படுத்துவதாகும். இன்று எழுதப்பட்டு 1985-க்கு பயன்படுத்தப்படும் ஒரு ஜனவரி விதிக்கு, எந்த மாதம் வென்றது என்பது ஏற்கனவே தெரியும்.

பங்குத் தரவுகளில் உயிர்வாழும் சார்பு என்பது இந்த குறிப்பிட்ட முரண்பாட்டிற்கு அமைதியான சிக்கலாகும். இன்று வர்த்தகம் செய்யும் பங்குகளைக் கொண்டு ஒரு சிறிய நிறுவனப் பங்குகளின் தொகுப்பை உருவாக்கினால், நீக்கப்பட்ட அல்லது கையகப்படுத்தப்பட்ட ஒவ்வொரு நிறுவனமும் ஏற்கனவே நீக்கப்பட்டிருக்கும். வரி இழப்பு கதையில் கூறப்படும் சரிவைச் சந்தித்த சிறிய நிறுவனங்களே இவை, எனவே இந்தச் சோதனை ஆய்வு செய்யப்படும் குழுவின் உயிர் பிழைத்தவர்கள் மீது மட்டுமே நடக்கிறது. இந்த பிரபஞ்சம் ஒரு நிலையான பட்டியல் அல்ல.

SELECT
    toString(toYear(date)) AS year,
    uniqExact(ticker)      AS listings_on_tape
FROM global_markets.stocks_daily_aggs
WHERE date >= '2006-01-01'
  AND date <  '2026-01-01'
GROUP BY year
ORDER BY year

9450 தனித்துவமான குறியீடுகள் 2006-இல் குறைந்தது ஒரு அமர்வில் வர்த்தகம் செய்யப்பட்டன. 2025-இல் இந்த எண்ணிக்கை 13423 ஆக இருந்தது, இது 20 ஆண்டுகால வர்த்தகத் தரவுகளில் உள்ளது. பட்டியல்கள் வரும்போதும் நிறுவனங்கள் வெளியேறும்போதும் இந்த மொத்த எண்ணிக்கைக்குக் கீழே உறுப்பினர் எண்ணிக்கை மாறுகிறது, மேலும் இன்றைய தரவுகளிலிருந்து எடுக்கப்பட்ட ஒரு தொகுப்பில் வெளியேறிய நிறுவனங்கள் எதுவும் இருக்காது. குறியீடுகளும் மீண்டும் பயன்படுத்தப்படுகின்றன, இதுவே ஒரு தனிச் சிக்கல்: டிக்கர் குறியீடுகள் ஏன் தரவுத்தொகுப்புகளை உடைக்கின்றன என்பதைப் பார்க்கவும்.

எந்தவொரு பருவகாலக் கூற்றையும் கேட்க வேண்டிய நான்கு கேள்விகள்

1. மாதிரி காலம் என்ன, அதற்கு வெளியே அந்த அமைப்பு எப்படி இருக்கிறது? 1904 முதல் 1974 வரை தேவைப்படும் ஒரு பிரிவினை, கடந்த இருபது ஆண்டுகளில் அளவிடப்பட்ட ஒன்றிலிருந்து மாறுபட்ட கூற்றாகும்.
2. எந்தக் குறியீடு, எப்படி எடையிடப்பட்டது? ஒரே சந்தையின் சந்தை மதிப்பு அடிப்படையிலான மற்றும் சம எடையுள்ள பதிப்புகள், சிறிய நிறுவனப் பருவகால அமைப்பில் கடுமையாக மாறுபடலாம்.
3. தரவுகளைத் தேடுவதற்கு முன்பே விதி நிர்ணயிக்கப்பட்டதா அல்லது தேடிய பிறகு கண்டறியப்பட்டதா? இரண்டு வழிகளும் ஒரே வெற்றி விகிதத்தைத் தரலாம். ஆனால் அவை முற்றிலும் மாறுபட்ட ஆதாரங்களைக் கொண்டுள்ளன.
4. செலவுகளைத் தாண்டி எது எஞ்சியிருக்கிறது? குறைந்த வர்த்தகம் கொண்ட பங்குகளில் spread மற்றும் சந்தை தாக்கம், மேலும் மற்ற அனைவரும் அதே பக்கத்தைப் படித்திருக்கிறார்கள் என்ற உண்மை.

இந்த நான்கு கேள்விகளுக்கும் பதிலளிக்கும் ஒரு பருவகாலக் கூற்றை கவனமாகப் படிக்கலாம். பெரும்பாலானவை எதற்கும் பதிலளிப்பதில்லை.

அடிக்கடி கேட்கப்படும் கேள்விகள் (FAQ)

பங்குச் சந்தையில் ஜனவரி விளைவு என்றால் என்ன?

இது ஒரு சாதாரண மாதத்தை விட ஜனவரியின் முதல் வாரங்களில் பங்கு விலைகள், குறிப்பாக சிறிய நிறுவனங்களின் பங்குகள், அதிகமாக உயரும் என்ற கூற்றாகும். இதன் பின்னணியில் உள்ள 1976-ஆம் ஆண்டு ஆய்வு, 1904 முதல் 1974 வரை NYSE சம எடையுள்ள குறியீட்டை அளவிட்டது, அங்கு சராசரி ஜனவரி மற்ற மாதங்களின் சராசரியை விட சுமார் ஐந்து மடங்கு அதிகமாக இருந்தது.

ஜனவரி விளைவு இன்னும் செயல்படுகிறதா?

1976 வெளியீட்டிற்குப் பிறகு எடுக்கப்பட்ட அளவீடுகள் அசல் அளவை விட மிகச் சிறியவை, மேலும் பங்கேற்பாளர்கள் முன்கூட்டியே செயல்பட்டதால் பருவகால லாபத்தின் ஒரு பகுதி டிசம்பருக்கு நகர்ந்துவிட்டது. தற்போதைய எந்தவொரு கூற்றுக்கும் அதன் சொந்த மாதிரி காலம் மற்றும் குறியீட்டு கட்டுமானம் தேவை, இவை இரண்டும் முன்னரே குறிப்பிடப்பட வேண்டும். இந்தப் பக்கம் கல்வி நோக்கத்திற்கானது மற்றும் வர்த்தகம் செய்வதற்கான எந்த விதியையும் முன்வைக்கவில்லை.

ஜனவரி விளைவு ஏன் சிறிய நிறுவனங்களில் வலுவாக இருந்தது?

இரண்டு இயக்கவியலும் அதையே சுட்டிக்காட்டுகின்றன. வரி இழப்பு விற்பனை ஏற்கனவே நஷ்டத்தில் உள்ள பங்குகளில் குவிந்துள்ளது, இவை சிறியவை. மேலும், ஒரு குறிப்பிட்ட அளவு வாங்குதல் என்பது குறைந்த வர்த்தகம் கொண்ட பங்கின் விலையை, பெரிய நிறுவனப் பங்கை விட அதிகமாக உயர்த்தும். சம எடையுள்ள குறியீடு அந்த சிறிய நிறுவனங்களுக்கு முழு வாக்கு எடையை அளிக்கிறது, அதேசமயம் சந்தை மதிப்பு அடிப்படையிலான குறியீடு அவற்றுக்கு எடையையே அளிப்பதில்லை.

ஜனவரி விளைவும் மே மாதத்தில் விற்றுவிட்டு வெளியேறுவதும் ஒன்றா?

இவை ஒரே வகையைச் சேர்ந்த வெவ்வேறு கால இடைவெளிகள்: வரலாற்றுத் தரவுகளில் கண்டறியப்பட்ட ஒரு காலண்டர் பிரிவினை, அதன்பின் இணைக்கப்பட்ட கதை. இவை இரண்டிற்கும் அர்த்தம் இருக்க வேண்டுமென்றால், சோதனையைச் செய்த பிறகு அல்லாமல், சோதனையைச் செய்வதற்கு முன்பே தேர்ந்தெடுக்கப்பட்ட மாதிரி காலத்திலிருந்து தொடங்கும் ஆதாரங்கள் தேவை.

இங்குள்ள ஒவ்வொரு அட்டவணையும் அதை உருவாக்கிய SQL-ஐக் கொண்டுள்ளது, எனவே மேலே உள்ள எந்த கால இடைவெளியையும் வெவ்வேறு டிக்கர் அல்லது நீண்ட கால வரம்பில் மீண்டும் உருவாக்கலாம். நீங்கள் தேர்ந்தெடுக்கும் மாதிரியில் ஒரு பருவகாலக் கூற்றைச் சோதிக்க, Strasmore டெர்மினலில் எளிய ஆங்கிலத்தில் கேள்வியைக் கேட்கவும்.